摘要：一个巴基斯坦开发者整理了 Claude Code 从"凭感觉用"到工程化使用的完整最佳实践，GitHub 54.4k Star，2026 年 3 月趋势榜第 3。本文拆解其六大核心模块（Commands、Agents、Skills、Hooks、MCP、Memory）和核心架构模式 Command → Agent → Skill，附上入手路径。

你有没有遇到过这种情况：

让 Claude 帮你在项目里加个新功能，它给你生成了一个风格截然不同的 API 端点，命名规范跟其他文件对不上，测试一行没有，路由结构也是另起一套……

你花了半小时对齐，还不如自己写省事。

这不是 Claude 的问题，是用法的问题。

---

最近发现了一个 GitHub 爆火项目：claude-code-best-practice，作者是巴基斯坦开发者 shanraisshan，目前 54,449 Star，2026 年 3 月登上 GitHub 趋势榜第 3 名。

它的核心理念只有一句话：

from vibe coding to agentic engineering — practice makes claude perfect

别再凭感觉用 Claude 了，是时候把它配置成一个真正可靠的工程系统。

---

Vibe Coding vs Agentic Engineering，差在哪里？

先把这两个概念说清楚。

Vibe Coding 是怎么回事？你打开 Claude Code，随手发一条消息，Claude 给你一个答案。它不了解你的项目架构，不知道你的代码规范，不记得上周改了什么。每次对话都像是跟一个失忆的实习生合作——你要花大量时间解释背景，结果还可能跑偏。

Agentic Engineering 是另一个层次。Claude Code 知道你的项目架构（CLAUDE.md），遵循你的代码约定（Rules），按需加载专业知识（Skills），把复杂任务分发给专门的子代理（Agents），自动触发生命周期钩子（Hooks），还能直连外部工具（MCP Servers）。

同样一句"帮我加个 notes 功能"——

• Vibe Coding：随机生成 /api/notes 端点，不遵循现有 routes/todos.py 的模式，没有测试

• Agentic Engineering：按现有路由模式创建，页面集成进侧边栏导航，测试风格与 test_todos.py 一致

差距就这么大，而且是可以系统化解决的。

---

六个核心模块，逐一拆解

这个 repo 把 Claude Code 的六大能力整理成了可以直接复用的最佳实践，配合真实代码示例。

🔧 Commands（命令）

位置：.claude/commands/<name>.md

Commands 是你定义的"工作流入口"，用 /命令名 触发，Claude 按照你预设的步骤执行。

项目里有个 /weather-orchestrator 命令，调用后自动完成三件事：询问温度单位偏好 → 调用 weather-agent 获取数据 → 生成 SVG 天气卡片。一行命令，全流程跑完。

把重复性工作流固化成 Command，是减少认知负担最直接的方式。

🤖 Subagents（子智能体）

位置：.claude/agents/<name>.md

Agents 在全新隔离上下文里运行，每个 Agent 可以有独立的：

• 工具权限（只开放必要的工具）

• 模型配置（简单任务用 Haiku，复杂分析用 Opus）

• 预加载知识（Skills）

• 跨会话记忆

比如你可以有一个 frontend-engineer agent 专门处理前端，一个 backend-engineer agent 专门处理后端，两者并行工作，互不干扰。

📚 Skills（技能）

位置：.claude/skills/<name>/SKILL.md

Skills 是可复用的知识块，可以注入现有上下文、被 Agent 预加载、也可以按需自动发现。

比如 weather-fetcher skill 定义了获取天气数据的完整逻辑，任何需要这个能力的 agent 直接加载就行，不用重复描述。

⚡ Hooks（钩子）

位置：.claude/hooks/

Hooks 在特定事件发生时自动触发，运行在 Claude 的 agentic loop 之外：

• PreToolUse：工具调用前

• PostToolUse：工具调用后

• SessionStart：会话开始时

这个 repo 里有个细节让我印象深刻——给 Claude 操作加声音反馈，每完成一个动作就播放提示音。听起来是小事，但在长时间运行的任务里，这种感知反馈真的有用。

🔌 MCP Servers

MCP（Model Context Protocol）是连接外部工具的协议。配置好之后，Claude 可以直接调用 Chrome、Playwright、Slack、数据库……把 AI 和你的工具链真正打通。

🧠 Memory（记忆）

通过 CLAUDE.md 文件注入项目级记忆，通过 .claude/rules/ 定义规则，再配合自动记忆系统，Claude 能在多次会话之间积累上下文，不用每次都从零解释。

---

最值得学的架构模式

整个 repo 里最核心的是这套编排结构：

Command → Agent → Skill

用天气系统演示：

/weather-orchestrator  （Command，询问温度单位偏好）
        ↓
  weather-agent        （Agent，预加载了 weather-fetcher skill）
        ↓
weather-svg-creator    （Skill，生成 SVG 天气卡片）

作者把这套模式提炼成了一个更通用的框架：

Research → Plan → Execute → Review → Ship

所有主要工作流都收敛到这个结构。理解了这个模式，几乎可以套用到任何复杂任务上。

---

还有哪些值得关注的

Agent Teams：多个 Agent 并行处理同一代码库，共享任务协调。前后端同时跑，互不等待。

Git Worktrees：每个 Agent 有独立的 git 分支，并行开发不产生冲突。

RPI 工作流：Research → Plan → Implement，系统化解决 Bug 和新功能开发，不再靠感觉猜问题。

Ralph Wiggum Loop：长任务的自主开发循环，设好目标，让它跑，不用一直盯着。

Remote Control：从手机、平板或浏览器继续本地 Claude 会话，不被设备限制。

Agent SDK：Python 和 TypeScript 两个 SDK，用于构建生产级 AI 代理，不是玩具级别的。

---

怎么开始用

作者给的建议很务实，我觉得顺序对：

第一步，先读懂再用——把 repo 当课程读一遍，搞清楚 commands、agents、skills、hooks 各自解决什么问题，别上来就复制粘贴。

第二步，Clone 下来跑一遍：

git clone https://github.com/shanraisshan/claude-code-best-practice.git
cd claude-code-best-practice

在 Claude Code 里跑 /weather-orchestrator，听听 hook 音效，感受一下 Command → Agent → Skill 是怎么运转的。眼见为实，比光读文档快得多。

第三步，迁移到自己的项目——让 Claude 分析你的代码库，问它"参考这个 repo，我的项目应该加哪些最佳实践"，把 claude-code-best-practice 作为参考喂给它。

---

说说我的判断

这个项目 5.4 万 Star 不是偶然。它做的事情是把原本散乱、靠个人摸索的 Claude Code 使用经验，整理成了可以复制的工程化系统。

Boris Cherny（Claude Code 的创建者）在 X 上多次推荐这个项目，不是客套，是因为它真的把最佳实践落地了。项目还参考了 Andrej Karpathy、Peter Steinberger 等开发者的工作流，有一定的技术沉淀在里面。

如果你现在还在凭感觉用 Claude Code，这个 repo 是值得花半天认真读的。

你在用 Claude Code 过程中踩过哪些坑？欢迎评论区聊，说不定这个 repo 里就有对应的解法。

我是顾北，关注我，获取更多好玩有趣的 Claude Code 实践技巧！

谢谢你阅读我的文章~

我们下期再见！

PS：本文部分内容由AI辅助创作